一、选型前的需求分析：先问自己三个问题

在比较任何参数之前，先完成需求画像，否则很容易被营销话术牵着走。建议先回答三个问题：

1. 户型与面积：小户型（90㎡以内）对续航和建图精细度要求较低；中大户型（120㎡以上）必须关注单次续航与断点续扫能力；复式或多层结构则要确认机器是否支持多楼层地图管理。
2. 地面材质与清洁诉求：硬质地板为主且家中有小孩的家庭，拖地能力权重最高；地毯较多则应侧重吸力、滚刷结构与越障能力，湿拖反而可能是负资产。
3. 使用者画像：上班族追求“零干预”，老人更需要防卡困与低维护成本，宠物家庭则对避障识别（尤其是宠物粪便、水碗）有刚性要求。

需求排序决定参数权重，这是整套选型方法论的起点。

二、导航与建图：机器人的“空间感知能力”

导航技术决定机器人“认路”的水平，是体验差异的第一道分水岭。目前主流方案有三类：

1. LDS激光导航：机身顶部凸起的激光雷达旋转扫描环境，配合SLAM算法即时建图定位。优点是定位精度高、技术成熟、成本可控；缺点是凸起结构限制了进入低矮空间（床底、沙发底）的高度，且机械旋转部件存在长期寿命考量。

2. dToF直接飞行时间测距：通过测量光脉冲往返的时间差计算距离。相比三角测距式方案，dToF测距更远、精度更高、抗环境光干扰更强，建图速度与地图精细度都更好，且模组可以做得更扁平，更利于钻入低矮区域。

3. 视觉/AI视觉导航：依靠摄像头采集环境图像，结合AI算法进行语义理解。信息维度最丰富（可识别障碍物类型并分类处理），但对光线条件敏感，且算法能否随使用数据持续迭代，决定了长期体验的上限。

判断要点：关注建图速度、地图是否支持分区编辑与虚拟禁区、是否保存多张楼层地图。这些软件能力直接影响日常使用的灵活性。

三、避障与脱困：从“碰撞试探”到“主动感知”

导航解决“去哪里”，避障解决“路上遇到东西怎么办”，二者常被混为一谈，实际是两套独立能力。

• 机械/红外避障（基础方案）：靠近障碍物减速、碰撞后转向。容易推倒轻物、缠绕数据线，是入门机型的典型短板。
• 结构光/3D感知：投射光图案并解析深度信息，对低矮障碍物（如地毯边缘、线缆）识别较好。
• AI视觉避障：可识别电线、拖鞋、袜子、宠物用品等常见障碍并主动绕行，显著减少人工“解救”机器的次数。

此外还有两个被严重低估的指标：

脱困能力：机器人是否容易卡在桌椅腿之间、窗帘床单之下、门槛边缘；被卡后能否自主脱困。脱困算法差的机器，等于把自动化退化成“半人工”。

越障能力：家庭门槛、推拉门轨道普遍有1～2cm高差。越障强的机器可轻松跨房间连续清扫；能力不足的则会在门口反复碰撞，清扫覆盖率大打折扣。

值得注意的是，具备AI学习能力的机型遵循“先积累、后增益”的曲线：前期表现与普通机型接近，随着使用时间推移，路径规划与避障策略持续优化，体验差距才会逐渐拉开。

四、清扫系统：吸力、滚刷与拖地的协同

吸力参数的正确解读：吸力以Pa为单位，1500Pa级别即可满足日常灰尘与碎屑的清洁需求。但要警惕“唯参数论”，风道设计、滚刷结构、尘盒密封性同样决定实际清洁效果，标称数值虚高但风道漏气的产品，实测表现可能反而不如标称更低的机型。同时注意吸力档位与噪音的联动关系，最大档往往不适合有人在家的时段。

拖地方式的代际差异：

1. 普通渗水拖布：水箱渗水+机器被动拖行，对付轻浮灰尘尚可，对干涸污渍基本无效。
2. 高频振动强擦：拖布模组以高频振动方式主动擦拭，接近人工擦地的下压力，对脚印、奶渍、酱油渍等顽固污渍有明显效果。代价是工作时振动声音略大，属于正常物理现象，可在离家时段预约执行。

电控水箱：支持按需调节出水量的机型更适合木地板家庭，避免局部积水损伤地板。

五、续航与自动化维护：决定“省心程度”的隐性指标

续航：175～180分钟的续航可覆盖150㎡以上的单次全屋清扫。同时务必确认是否支持断点续扫，低电量自动回充，充满后从断点继续，否则大户型每清扫一次要人工重启两次，自动化体验严重打折。

自动集尘：清扫结束后机器人返回集尘座，由座机的大吸力将机身尘盒内的灰尘抽入一次性大容量尘袋。原本每一两天要手动清理尘盒，变成约一个月处理一次尘袋，人工干预频率下降一个数量级。尘袋属于耗材，选型时应同步估算年均耗材成本。

更进一步的自动化（拖布自清洁、自动补水等）可按预算评估。这里给出一个统一标尺：人工干预频率。从“每天倒尘盒+手洗拖布”到“每月换一次尘袋”，干预频率的下降幅度，直接对应使用体验的提升幅度。

六、预算分层与场景匹配

以市场常见的三档价位作为参考框架：

价位档	核心配置组合	适配场景
两千元以内	LDS激光导航 + 基础湿拖	小户型、地面结构简单、预算敏感
两千至三千元	dToF导航 + 高频强擦 + 结构化避障	中大户型、家具杂物多、拖地刚需
四千元以上	AI学习避障 + 自动集尘座	追求免维护、懒人及送父母

决策逻辑可以抽象为一段伪代码：

function chooseRobot(budget, house, preference):
    if budget < 2000:
        return "LDS激光导航 + 基础湿拖"        // 小户型优先
    elif budget < 3000 and house.地形复杂:
        return "dToF导航 + 高频振动拖地"        // 拖地效果刚需
    elif budget >= 4000 and preference == 免维护:
        return "AI学习避障 + 自动集尘座"
    // 加权修正：宠物家庭 → 避障权重提升
    // 地毯为主 → 吸力与越障权重提升、拖地权重下调

七、选购清单：下单前的最后核查

1. 明确“扫/拖/免维护”三项需求的权重排序；
2. 确认导航方案与自家家具布局匹配，低矮空间多则重点考察机身高度与传感器扁平化设计；
3. 核查避障能力是否覆盖家中高频障碍物类型（电线、玩具、宠物用品）；
4. 核对续航时长与断点续扫能力是否满足单次全屋清扫；
5. 估算边刷、滚刷、滤网、拖布、尘袋等耗材的年均开销；
6. 确认虚拟墙、分区清扫、预约清扫等软件功能的完备性。

总结：扫地机器人没有绝对最优解，只有与户型结构、地面材质、使用习惯、预算约束的匹配解。导航决定“扫得全不全”，避障决定“卡不卡得住”，拖地决定“擦不擦得干净”，自动化程度决定“你要操多少心”。用这四个问题去检验任何一台机器，都能得到清晰、可复用的判断结论。